基于高斯回归的多姿态人脸情感识别应用研究

摘要

人类对于面部表情的研究，最始于生理学家和心理学家对于表情和情绪的研究，他们对表情和情绪之间的关系、表情的多样性、脸部表情含义的表述以及表情的分类等问题进行了研究。从人类语言学的发展中，我们也可以看出面部表情情感的识别，对于唇语的理解有着辅助作用。在人类行为学发展中，我们也能看出面部表情情感的识别能够提高人类交流中的信任度；对于商业应用中也占有重要的一环，可视电话和电视会议也能从人们面部表情中加深交流，读懂他人内心世界；对于医疗系统方面，从病人的面部表情体现出来的情感可以用来辅助判断病人的心理、精神、身体各方面的状况；除此之外，对其他行业如：公安部门、律师行业等，读懂他人的面部表情情感，对他们的工作都至关重要。
　　本文在参考大量中外前人研究的成果上，对隐马尔可夫模型进行了适当的改进，从而设计出了一种多姿态下的人脸情感表情识别方法，期间主要做了下面一些改进：
　　首先在已有的研究基础上，通过相位的形式，将面部区域的运动形式给表示出来，然后基于相位的面部表情运动特征，其通过构造特征向量和序列来对面部特征进行表示，这样相应的特征向量计算显著简化，后续表情分类处理工作也更简单。
　　其次通过对离散隐马尔可夫模型的分析，并考虑到其在描述表情特征序列方面的不足，本文对此提出了一种改进算法，并实现了与面部表情时序特征的方法。本算法为了分析方便，通过适量减少矢特征误差，并假设此特征序列在一定程度上服从高斯混合分布。
　　最后本文利用了k-means聚类算法；来计算高斯混合模型的初始值，并总结了与此相关的计算方法，其可以较好的对此种序列的概率分布进行描述。
　　根据测试结果表明，本文的这种方法可以较好的满足相应的分类效率要求，且达到了较高识别效率，矢量量化误差也明显降低，具有一定的应用推广价值。

目录

声明

第1章 绪论

1.1面部表情识别研究的目的和意义

1.2面部表情识别的研究现状

1.3面部表情识别的难点与挑战

1.4本文的主要工作

1.5本文的组织结构

第2章 面部表情识别的理论基础和情感分类

2.1表情识系统的组成

2.2高斯混合模型和EM算法

2.3 因子分析

2.4本章小结

第3章 面部表情运动特征提取和分析

3.1引言

3.2面部表情模型

3.3面部表情运动分析

3.4 面部特征区域的选取

3.5面部运动特征提取及表示

3.6 实验及结果分析

3.7 本章小结

第4章 基于高斯混合隐马尔可夫模型的应用与研究

4.1引言

4.2基于HMM模型的动态表情分析

4.3基于MHMM模型的动态表情分析

4.4实验及结果分析

4.5 本章小结

第5章 总结与展望

参考文献

攻读学位期间发表或录用的学术论文

致谢